如何在MATLAB中绘制多重叠折线的热力图及均值、中位数、众数曲线？

我有300组温度随海拔变化的剖面数据，不想只用普通折线图展示，希望用更具量化性的可视化方式。我发现下图的效果很实用，想实现这种样式，同时还要在图中添加温度的均值、中位数以及众数曲线。

实现方案 #

通过计算每个海拔高度的统计量（分位数、均值、中位数、众数），用填充区间展示数据分布范围，叠加关键统计曲线实现量化可视化，以下是完整Matlab代码：

% 生成示例数据
numProfiles = 300;    % 温度剖面数量
numAltitudes = 101;   % 海拔点数（0km到100km，步长1km）
altitude = 0:1:100;   % 海拔值（单位：km）
temperatures = zeros(numAltitudes, numProfiles);

% 生成带分段波动的温度数据
baseTemperature = 200 + altitude' * 3;     % 基准温度剖面
for i = 1:numProfiles
    variation = zeros(numAltitudes, 1);
    % 不同海拔区间设置不同波动幅度
    for j = 1:numAltitudes
        if altitude(j) < 20
            variation(j) = randn * 50;          % 大波动
        elseif altitude(j) < 50
            variation(j) = randn * 10;          % 中波动
        elseif altitude(j) < 70
            variation(j) = randn * 3;           % 小波动
        else
            variation(j) = randn * 1;           % 极小波动
        end
    end
    temperatures(:, i) = baseTemperature + variation;
end

% ========== 计算统计量 ==========
temp_mean = mean(temperatures, 2);          % 各海拔温度均值
temp_median = median(temperatures, 2);      % 各海拔温度中位数
temp_mode = mode(temperatures, 2);          % 各海拔温度众数
% 计算分位数：5%、25%、75%、95%，用于绘制波动区间
temp_prctile = prctile(temperatures, [5,25,75,95], 2);
p5 = temp_prctile(:,1);
p25 = temp_prctile(:,2);
p75 = temp_prctile(:,3);
p95 = temp_prctile(:,4);

% ========== 绘制量化可视化图 ==========
figure('Color','w');
hold on; box on;

% 绘制外层波动区间（5%-95%分位数），半透明浅灰色
fill([p95; flipud(p5)], [altitude; flipud(altitude)], [0.9,0.9,0.9], 'FaceAlpha',0.3, 'EdgeColor','none');
% 绘制内层波动区间（25%-75%分位数），半透明深灰色
fill([p75; flipud(p25)], [altitude; flipud(altitude)], [0.7,0.7,0.7], 'FaceAlpha',0.5, 'EdgeColor','none');

% 绘制统计曲线
plot(temp_mean, altitude, 'r-', 'LineWidth',2, 'DisplayName','均值');
plot(temp_median, altitude, 'b--', 'LineWidth',2, 'DisplayName','中位数');
plot(temp_mode, altitude, 'g-.', 'LineWidth',2, 'DisplayName','众数');

% 设置图属性
xlabel('温度');
ylabel('海拔（km）');
title('温度剖面量化可视化');
legend('Location','best');
set(gca, 'YDir','reverse'); % 反转Y轴，让海拔从低到高显示

关键说明 #

• 区间填充：用prctile计算分位数，通过fill绘制半透明区间，直观展示不同海拔温度的分布离散程度，内层25%-75%分位数代表数据的核心分布，外层5%-95%代表整体波动范围
• 统计曲线：用不同颜色、线型区分均值、中位数、众数，清晰展示数据的集中趋势
• 坐标轴优化：反转Y轴方向，符合海拔从地面（0km）到高空（100km）的常规展示逻辑

内容的提问来源于stack exchange，提问作者Mark